Ottimizzazione del processo di disidratazione di ortofrutticoli biologici mediante tecniche non distruttive

1730

La presente tesi di dottorato ha riguardato il monitoraggio e l’ottimizzazione del processo di disidratazione a flusso di aria calda di mele (cv. Gala) e carote (cv. Romance) biologiche mediante l’impiego di tecniche non distruttive. Allo scopo, sono stati investigati pretrattamenti termici (es. scottatura in acqua e mediante microonde) con la finalitĂ  di ridurre il tempo di disidratazione e migliorare la qualitĂ  finale di mele e carote sottoposte a disidratazione.

Il processo di disidratazione è stato monitorato offline mediante l’impiego della spettroscopia nel vicino infrarosso (NIRS), sviluppando modelli di regressione e classificazione capaci di predire le caratteristiche chimico-fisiche nel prodotto sottoposto a disidratazione. I risultati ottenuti hanno consentito di dimostrare la fattibilitĂ  di impiego della spettroscopia NIR per lo sviluppo di disidratatori “smart”.

Infine, durante l’attivitĂ  sperimentale è stato sviluppato un prototipo di disidratatore dotato di visione artificiale in grado di monitorare lo stato di disidratazione dell’alimento sula base dei cambiamenti in forma e dimensione dello stesso.

Conclusioni e prospettive

L’approccio proposto in questa tesi di dottorato pone le basi per un accurato sistema smart-drying basato sulla spettroscopia NIR in termini di regressione e prestazioni di classificazione, analisi non distruttiva e automazione. Buone prestazioni sono state raggiunte sia in termini di regressione che di classificazione, utilizzando un numero ridotto di lunghezze d’onda (come osservato negli algoritmi iPLS e iPLS-DA). Inoltre, la valutazione in linea dei cambiamenti fisico-chimici su fette di mela durante l’essiccazione (ad esempio restringimento, contenuto di umiditĂ , colore) utilizzando una fotocamera digitale, ha dato risultati eccellenti.

Pertanto, lo sviluppo di un essiccatore smart a basso costo basato su tali tecnologie sembra fattibile. Inoltre, l’architettura di apprendimento automatico, potrebbe migliorare ulteriormente l’automazione dell’essiccatore, sia in termini di riconoscimento delle merci che di modulazione del processo di essiccazione. La ricerca futura dovrebbe includere la sperimentazione di diverse regioni elettromagnetiche (ad esempio il lontano infrarosso), l’aumento dell’intensitĂ  del fascio di luce e/o la combinazione di altri metodi chemiometrici, al fine di migliorare le prestazioni e la robustezza del sistema di asciugatura smart.

Riferimenti

PhD Flavio Raponi, tutor Prof. Riccardo Massantini – Università della Tuscia, Viterbo